滑坡为斜(边)坡演化失稳的一类地质灾害。中国是地质灾害最为严重的国家之一。地质灾害种类多、分布广、危害大，严重制约着灾害多发地区的国民经济发展，威胁着人民生命财产安全。就三峡工程而言，库区自然条件特殊，山高坡陡，地质条件复杂，是我国地质灾害的多发区和重灾区。据不完全统计，三峡库区在175m库水位影响的范围内共有大小滑坡1190余个，各类变形体更是广泛分布。库区几乎每个县都要受到滑坡的威胁。随着三峡工程的进展，地质灾害问题将更加突出，有可能引发一系列新的滑坡。这必将对三峡工程的建设和库区人民的生命财产带来巨大的影响。因此，对库区的滑坡稳定性研究具有重要意义。 本文对基于神经网络理论的滑坡稳定性分析进行了深入研究，介绍了神经网络的原理，推导了BP网络的计算公式，并给出了BP算法的程序框图，分析了BP网络的优缺点及改进措施。论文根据工程实例，分析了兴山县石佛寺滑坡的区域地质背景、工程地质状况，采用剩余推力法进行了滑坡稳定性、稳定性敏感因素分析，对运用BP网络构建滑坡稳定性预测的模型及构建过程中的各参数等细节问题进行了详细探讨。通过两种方法对滑坡稳定性的评价，结合滑坡变性的宏观分析，提出了滑坡的防治对策。 通过本次研究，得出主要结论： 1、由于BP神经网络的训练过程受初始权值和阀值的影响较大，加上样本数目的不足以及输入参数的不完全，在实际应用当中，神经网络的单次训练结果存在较大的误差，而采用多次训练结果求平均值的方法可以有效降低这种误差，从而提高预测精度。 2、用神经网络预测石佛寺滑坡稳定系数的结果表明，滑带土的凝聚力、内摩擦角、湿重度及滑坡平均坡角、坡高等因素对滑坡稳定性有较大的影响。 3、石佛寺滑坡的预测结果表明在工况三的情况下稳定系数误差相对较大，分析认为是由于输入参数中没有能直接反映三峡库区水位变化的指标，没有考虑水压力造成的。间接验证了水压力对滑坡稳定性有着较大的影响。 4、对于BP网络常用训练函数，使用traingdx训练函数(加动量和自适应的算法)一是可以有效避免局部极小点的问题，二是可以调整学习速率，训练效率高，训练过程比较稳定，在滑坡稳定系数预测中可以得到较好的结果。 5、神经网络用于滑坡稳定系数的预测是一个函数逼近问题，但是由于滑坡的复杂性决定了在网络训练中单纯地追求逼近精度是没有太大意义的。为避免过度训练，当网络误差迅速减小，网络收敛到一定精度时，可以考虑及时终止训练过程。